作者：
张 鹏 北京市中伦律师事务所高级顾问
牟雨菲 北京市中伦律师事务所律师
引言：随着生成式人工智能等颠覆性 AI 技术的突飞猛进，人类社会的生产、生活方式乃至社会治理模式都将随之迎来新的变革。在这一时代背景下，如何认识人工智能产业发展带来的各种法律问题，也越来越具有现实意义。基于此，7月13日，由中国人民大学知识产权学院主办、知产财经协办的“人工智能相关法律适用问题”研讨会在北京举办，会议邀请了行业多领域代表，共同探讨和研究实务中遇到的涉人工智能法律问题及解决之道，以期为人工智能相关环节的法律适用问题探究答案。会上，北京市中伦律师事务所高级顾问张鹏律师围绕“欧盟《人工智能法》基于风险的立法特点对我国的启示”话题进行主题演讲，知产财经8月8日刊发。在讨论过程中，与会专家围绕对我国著作权制度的启示进行了深入讨论，本文作者受相关讨论内容的启发，结合美国人工智能相关立法新动向，形成本文，期待业界的深入讨论。
欧洲当地时间2024年7月12日，《欧盟官方公报》正式发布了具有里程碑意义的《欧洲人工智能法》的最终文本。2024年8月2日，全球首个以立法模式对人工智能进行监管的法规落地生效，标志着全球人工智能领域法律监管将迈入全新时代。欧盟《人工智能法》在著作权方面明确了责任主体、确定了限制和例外、提出了域外适用，并规定了与信息提供和信息公开相关的证据规则[1]，尤其是，欧盟《人工智能法》第五十三条规定了通用型人工智能模型的著作权合规义务以及治理措施。与此同期，当地时间2024年7月11日，美国参议员、参议院商务委员会主席Maria Cantwell、商务委员会成员Marsha Blackburn和参议院人工智能工作组成员Martin Heinrich提出了一份《内容来源保护和防止编辑和深度伪造媒体完整性法案》（Content Origin Protection and Integrity from Edited and Deepfaked Media Act, COPIED ACT）（以下简称“《COPIED法案》”）[2]，旨在为标识、验证和监测人工智能生成物制定联邦层面的透明度准则，以保护记者、演员和艺术家免受人工智能的盗用行为，并追究违法者滥用职权的责任。本文将从人工智能著作权侵权规制制度的角度，比对欧盟及美国作为世界两大主要法域对于人工智能著作权侵权问题的规制理念与监管措施，并通过二者异同讨论对我国的启示。
一、欧盟《人工智能法》著作权规则要点探析
欧盟《人工智能法》第五十三条规定了通用人工智能模型（general-purpose AI model，以下简称“GPAIM”）提供者的著作权合规义务，特别是训练模型主要训练数据集合的披露义务及遵守欧盟著作权相关法律的义务。其中，GPAIM是指，无论以何种方式投放市场，在使用大量数据进行大规模自我监督训练时均具有显著的通用性，能够胜任各类不同任务并可集成到各种下游系统或应用中的人工智能模型。无论GPAIM最终被嵌套进何种人工智能系统或应用中，一旦该模型将最终用于商用目的，相关提供者就需要遵守《人工智能法》第五十三条规定的著作权合规义务，具体包括公开披露义务、遵守欧盟著作权法的义务、技术文件留档义务和信息共享义务。技术文件留档义务和信息共享义务比较明确，尤其需要关注的是训练模型主要训练数据集合的披露义务及遵守欧盟著作权相关法律的义务。其中，GPAIM训练模型主要训练数据集合的披露义务所涉及的相关披露文件一般包括，“用于训练模型的主要数据集合或集合，例如大型私人或公共数据库或数据档案，并提供有关所使用的其他数据源的叙述性解释”[3]。关于该披露义务的具体内容，《人工智能法》第五十三条第一款第（a）和（d）项主要要求GPAIM提供者编制并不断更新该模型的技术文件，包括其训练和测试过程及其评估结果，其中至少应包含该法附件11所列的要素，以便应要求向人工智能办公室和国家主管机关提供；根据由人工智能办公室提供的模板，起草并公开有关用于通用人工智能模型训练内容的足够详细的摘要。下面重点分析遵守欧盟著作权相关法律的义务。
第一，遵守欧盟著作权相关法律义务的适用范围。GPAIM的提供者应在开发至投入市场过程中全程遵守欧盟相关著作权法，且该义务仅与该模型是否能够在欧盟境内获取使用有关，无论相关训练或开发行为发生地是否位于欧盟境内。具体而言，欧盟《人工智能法》前言第106条指明，“任何将GPAIM投放到欧盟市场的提供者都应遵守欧盟版权相关权利的法律……无论这些GPAIM的训练所依据的版权相关行为发生在哪个司法管辖区。”欧盟《人工智能法》第五十三条第一款第（c）项要求，GPAIM提供者制定一项尊重欧盟著作权法的政策，特别是通过先进水平技术等手段，确定和尊重权利人根据2019/790号单一数字市场版权指令第4条第3款表达的权利保留。”
第二，欧盟《人工智能法》关于遵守欧盟著作权相关法律义务引用《2019/790号单一数字市场版权指令》的规定，提出GPAIM训练过程中的文本与数据挖掘行为不构成著作权侵权（除非权利人作出了保留）。特别值得注意的是，欧盟《人工智能法》第五十三条第一款第（c）项规定GPAIM提供者应遵守《2019/790号单一数字市场版权指令》（CDSMD），尤其是CDSMD第四条第三款的权利保留。具体而言，《2019/790号单一数字市场版权指令》第四条第一款规定，“成员国应规定作者（包括计算机程序和数据库作品的作者）、数据库制作者和新闻出版商‘为文本和数据挖掘目的（text and data mining, TDM）复制和使用合法获取的作品和其他客体著作权的例外或限制’”；第四条第三款规定，“上述例外或限制仅在以下条件下适用：作品和其他客体权利人未以适当的方式明确保留，例如在在线公开提供的内容中采用机器可读的方式保留其权利，禁止任何TDM的使用。”
结合《人工智能法》以及《2019/790号单一数字市场版权指令》的相关规定，GPAIM训练过程中的文本与数据挖掘行为不构成著作权侵权，除非被复制内容的权利人明确以《2019/790号单一数字市场版权指令》第四条第三款规定的方式进行了权利保留。《2019/790号单一数字市场版权指令》第四条为文本与数据挖掘行为创设了著作权限制，如复制行为落入该法限定的“文本与数据挖掘”[4]的范畴，则不构成侵害被复制内容或作品的著作权。而《人工智能法》指明GPAIM将遵守《2019/790号单一数字市场版权指令》相关规定，由此确定AI模型训练过程中的文本与数据挖掘行为适用《2019/790号单一数字市场版权指令》的著作权限制。同时，需要特别强调的是，《2019/790号单一数字市场版权指令》创设的著作权限制存在例外，如权利人以“适当的方式”（例如机器可读的方式）明确声明权利保留，则《2019/790号单一数字市场版权指令》第四条第一款不适用。
第三，欧盟《人工智能法》未明确规定人工智能著作权侵权行为的个人救济途径。欧盟《人工智能法》并未明确提及著作权权利人针对人工智能著作权侵权以及其他违反《2019/790号单一数字市场版权指令》行为的个人救济途径，而是仅指明各成员国人工智能主管机构负责监管上述义务的履行，主要局限于针对透明度义务以及预防性政策制定的审查等。
二、美国《COPIED法案》著作权规则要点探析
美国积极推动人工智能相关立法。2021年1月1日，美国《国家人工智能倡议法（National Artificial Intelligence Initiative Act of 2020）》正式生效，设立商务部国家人工智能咨询委员会促进人工智能研究和应用，包括设定人工智能使用的法律标准。2023年2月，美国国家版权局发表声明表达其对人工智能生成物可版权性的观点，如果人工智能技术确定作品输出的表达要素时，生成的内容不是人类作者的产物，该内容不受版权法保护。2023年8月4日，美国国会研究部门发表《人工智能：概述、近期进展和对第118届国会的展望》，该报告对美国针对人工智能的立法监管政策进行了详细归纳和汇总。特别是，目前也有集体诉讼或个人针对人工智能技术公司，如针对Meta、OpenAI、微软公司等训练数据行为违反版权法等法律规定提起诉讼。[5]尤其是，为制裁有害的深度伪造（Deepfake）行为，《COPIED法案》旨在为标识、验证和监测人工智能生成物制定联邦层面的透明度准则，以保护记者、演员和艺术家免受人工智能（以下简称“AI”）的盗用行为，并追究违法者滥用职权的责任。针对这一立法主旨，该法案主要介绍了以下四大举措[6]：
第一，制定透明度标准。要求美国国家标准与技术研究院（NIST）会同美国专利商标局（USPTO）以及美国版权局（U.S. Copyright Office）制定有关内容来源信息、水印和合成内容检测的准则和标准的自愿性指南，以提高透明度，其中包含以相关制度确定内容是否由人工智能生成或操纵，以及人工智能内容的来源。该法案还指示NIST制定网络安全措施，以防止篡改人工智能内容的来源和水印。
第二，增强记者、艺术家以及音乐创作者对创作内容的控制权。要求用于生成创意或新闻内容的人工智能工具提供者及部署者允许该内容的所有者在其上附加出处信息，并禁止将其删除。如未经授权，人工智能提供者不得将标有出处信息的内容用于训练人工智能模型或生成人工智能内容。这些措施使内容所有者（记者、报纸、艺术家、词曲作者和其他人）能够保护他们的作品并为其内容设定使用条款，包括报酬。
第三，赋予个人起诉侵权者的权利。授权联邦贸易委员会（FTC）和州总检察长针对本法相关不公平和欺骗性行为的执法权能，赋予包括报纸、广播公司、艺术家和其他内容所有者对未经许可使用其内容的平台或其他人提起诉讼的权利。
第四，禁止篡改或删除人工智能出处信息。目前，没有法律禁止删除、篡改内容出处信息或使之无效等行为。该法案将禁止任何人，包括互联网平台、搜索引擎和社交媒体公司，以任何方式使内容来源信息无效化。
该法案提出后，得到了美国演员工会、纳什维尔歌曲作家协会、美国唱片业协会、美国新闻/媒体联盟、美国报业、美国艺术家权益联盟、美国歌曲作者协会等组织的大力支持。例如，美国国家音乐出版商协会表示，“《COPIED法案》确保AI生成的内容得到明确识别，并且在这些标签被篡改时有追索权。随着AI生成的音乐继续扰乱合法市场，听众必须知道他们的音乐来自哪里。艺术家和词曲作者应该得到保护，免受未经授权的盗用，这项立法是实现这一目标的重要一步。”代表美国1500多家社区报纸的行业协会美国报纸协会表示，“新闻机构为其社区提供可信赖的信息和新闻，这对我们的民主至关重要。必须解决深度伪造问题，以维持消费者对新闻提供商的信心。我们期待与参议员就这项重要立法进行合作。” [7]
三、美国《COPIED法案》与欧盟《人工智能法》人工智能著作权规则的异同
美国《COPIED法案》与欧盟《人工智能法》均立足于生成式人工智能发展所必需的数据资源支撑与著作权人合法权利保护两个方面的平衡构建相关制度，但是二者的适用范围、透明度义务、著作权侵权规则具有较大差异。美国《COPIED法案》与欧盟《人工智能法》均意识到，训练数据的体量和质量是决定生成式人工智能运行能力和智能水平的基础。此类生成式人工智能往往采用神经网络算法，并依靠大量的训练数据来训练算法模型，以达到迅速针对不同的用户指令输出高质量、高精度的输出内容。基于这一特性，生成式人工智能的开发和运行几乎完全依赖于对大批量且不特定内容或数据的复制、使用、修改以及二次编译，当训练数据中存在未经授权抓取的著作权人专有作品时，即构成对训练数据来源权利作品的侵权，应承担侵权责任。当生成的作品与已有作品构成实质性相似，也可能涉及对训练内容著作权保护客体的直接侵权责任[8]。但另一方面，人工智能机器学习过程中对于权利作品的使用与传统著作权法规制的使用行为存在形式、目的以及可规制性上的差别。首先，在使用形式上，人工智能算法训练过程中往往会通过数据爬虫、API接口对接等自动化方式捕获、存储公开数据，涉及数量庞大、种类繁多（除数据及文字作品外，还包括摄影作品、音乐作品、录像制品等），且最终使用主体超出人工智能提供者的范围，可能涉及人工智能部署者、使用者或最终用户等[9]。
一方面，美国《COPIED法案》与欧盟《人工智能法》著作权规定的立法背景及立法目的相同。为平衡生成式人工智能发展所必需的数据资源支撑与著作权人合法权利保护这两方面问题，全球主要法域均试图以著作权限制规则来对著作权人享有的合法权益以及产业健康发展进行平衡调配。
美国《COPIED法案》的立法背景或为调配美国《版权法》下较为宽泛的合理使用制度的运用。根据美国《版权法》第107条，判断争议行为是否构成合理使用包含四个要素：（1）使用的目的和性质，包括是否出于商业目的或非营利的教育目的；（2）受到版权法保护的作品的性质；（3）被使用部分的数量和重要程度对于被使用作品的整体的情况；（4）这种使用对于被使用作品的潜在市场或者作品的价值的影响[10]。
在谷歌数字图书馆案[11]中，美国联邦最高法院认为，谷歌对于原告图书数字化复制有高度的转换性目的，其对原作的复制目的是让原著有关的重要信息可以被获取，使得搜索者寻找到那些包含他们感兴趣的关键词的图书，以及不包含关键词的书，从而达到促进图书销量，没有对图书版权权利人造成明显损害。因此，在考虑使用行为的转换性的情况下，“谷歌的商业特性和逐利动机不能作为否定合理使用的正当理由”。除转换性目的外，美国法院还将结合其他三项因素进行综合考量。由此可见，在美国法下，即便服务提供者提供生成式人工智能服务为商业目的并带有逐利动机，在综合整体因素的情况下，仍然可以构成合理使用。
合理使用的扩张性理解能够在近期美国唱片业协会（RIAA）诉Udio和Suno音乐生成初创公司一案中体现。8月1日，音乐人工智能公司Suno就前述案件发布博文，声称使用数千万张唱片来训练人工智能模型过程，其中确实有来自上述3家唱片公司的唱片内容，但根据美国版权法的合理使用原则，此类活动属于合理使用范围，这意味着不需要许可证，并指责唱片公司滥用版权[12]。该份声明表达了生成式人工智能产业对于推动相关法律法规的明确和适应新技术发展调整的强烈意愿，但同时也遭到版权人的强烈反对。
在上述背景下，美国《COPIED法案》旨在通过创设生成式AI提供者的披露义务（禁止删除标识出处）以及允许版权人进行权利保留（禁止未经授权使用标有出处信息的内容）来为版权人提供对抗合法使用抗辩的额外保护。即使人工智能模型训练可能被认定为对训练数据的合理使用，依据美国《COPIED法案》，如相关版权人对内容进行了出处信息标识，则人工智能提供者仍需获得版权人的许可。同时，这一举措与欧盟《人工智能法》的相关规定相吻合。依照欧盟《人工智能法》第五十三条的规定，GPAIM数据训练将适用CDSMD第四条第一款的著作权限制以及第四条第三款的著作权人权利保留的例外。这代表GPAIM提供者在训练过程中的文本与数据挖掘行为一般不构成著作权侵权，但如相关版权人对权利内容明确声明保留权利，则人工智能提供者仍需获得版权人的许可。
另一方面，美国《COPIED法案》与欧盟《人工智能法》的著作权限制相关举措存在差异。
第一，美国《COPIED法案》与欧盟《人工智能法》的适用范围存在较大差异。从义务主体角度，欧盟《人工智能法》第五十三条相关著作权规范适用于所有通用型人工智能模型提供者，尽管欧盟《人工智能法》的大部分规定采用了风险分级管理模式以达到限缩影响范围的作用，这一立法模式并不适用于第五十三条，而美国《COPIED法案》仅要求“用于生成创意或新闻内容的AI工具提供者及部署者”履行相关披露义务。而从权利客体角度，CDSMD作为欧盟法律体系中的“指令”（Directive），将由全体欧盟成员国进行本国法转化后适用于全体欧盟公民。而《COPIED法案》在立法目的上仅列举了记者、艺术家以及音乐创作者等类型的权利人作为重点保护对象[13]，虽然现版本美国《COPIED法案》并未明确限定权利保护客体的种类范围，但介于该法案处在初期形成阶段，其适用范围仍有待观察。
第二，美国《COPIED法案》与欧盟《人工智能法》的权利救济不同。美国《COPIED》法案第7条(c)款明确“任何标有出处信息内容的版权人，如果其内容来源信息与此法所述人工智能生成内容相关联，则可以在有管辖权的法院对（A）任何删除、更改、移除其出处信息的个人或平台，以及（B）任何擅自适用其权利内容的个人或平台提起诉讼……诉讼时效为四年，自版权人知道或应当知道上述侵权事实之日起算。”，而欧盟《人工智能法》针对第五十三条下的义务并未提及个人救济权利或救济方式，唯一关于维权救济仅有该法第九章第4节提及“自然人或法人可以向AI主管机构提交诉请或投诉（Complaint）”。
第三，美国《COPIED法案》与欧盟《人工智能法》的执行措施不同。欧盟《COPIED》法案第7节“执行”中较为完善地规定了该法的授权机关、执行权限和执行措施，其中规定，“违反本法或根据本法颁布条例的行为应被视为违反《联邦贸易委员会法》（Federal Trade Commission）第18条(a)(1)(B)条下的不公平或欺骗性行为相关规定……委员会将以《联邦贸易委员会法》（15 U.S.C. 41 et seq.）完全相同的执行方式、手段、管辖权、权利和义务执行本法案。”此外，美国各州检察长同样有权利对该法案进行执行，代表该州居民向联邦地区法院提起民事诉讼以主张禁令或损害赔偿等。而欧盟《人工智能法》针对第五十三条下义务的执行仅明确规定了通用型人工智能提供者对成员国人工智能主管机关负有相关透明度义务，执行手段也基本局限于针对信息披露的预防性政策制定的审查。
第四，美国《COPIED法案》与欧盟《人工智能法》的透明度义务性质不同。美国《COPIED法案》第四节与第五节分别指令美国商务部负责标准和技术事务部（Under Secretary of Commerce for Standards and Technology）以及NIST会同USPTO以及美国版权局制定有关内容来源信息、水印和合成内容检测的准则和标准的自愿性指南，该指南将涵盖AI合成内容的识别、来源的披露以及出处信息以及水印的标识标准等。这意味着即使美国《COPIED法案》在执行以及救济方面进行了明确规定，但其核心的信息来源标注、AI生成内容检测、出处标识等实操标准将大幅依靠NIST拟定的自愿性指南。而欧盟《人工智能法》对通用型人工智能的主要监管手段即针对强制信息披露义务，旨在有效地便于相关主管机关以及公众（即著作权人）检测到相关侵权行为的发生，第五十三条第(a)项要求GPAIM提供者将模型训练的相关技术文件提供至人工智能主管机关，旨在利于主管机关保护公共利益进行监管，而第(b)项要求提供者将数据训练内容的摘要向公众公布，旨在便于公众主张私人权益。
四、美欧人工智能著作权规则对我国的启示
美欧作为生成式人工智能产业发展和监管的两大主要法域，美国《COPIED法案》和欧盟《人工智能法》均体现了其围绕著作权限制以及限制例外的相关规定对生成式人工智能著作权保护的规管方式。美欧在生成式人工智能著作权保护上存在差异，美国《COPIED法案》在法律执行以及个人权利救济规定的完善程度似乎超越了欧盟《人工智能法》，但该法案对于实际的出处标识、来源信息披露以及合成内容检测的具体操作标准将取决于有待拟定的自愿性行业准则，其是否能有效帮助生成式人工智能环境下版权人针对侵权行为进行监测和维权仍有待进一步观察。相较于美国《COPIED法案》，欧盟《人工智能法》未提及版权人的私法救济问题，唯一关于维权救济仅有该法第九章第4节“自然人或法人可以向主管机构提交诉请或投诉（Complaint）”，这一做法已经在《人工智能法》形成阶段受到广泛争议，较多评述认为[14]，相关著作权侵权责任以及司法救济已经由各国现行著作权法所规制，欧盟《人工智能法》作为一种“meta regulation”[15]的立法形式，不宜对著作权法这一司法领域进行过于提前的干预，而倾向于从预防角度改善人工智能模型训练数据的透明度，这一做法或将更有助于解决人工智能黑箱所造成的版权人维权难的问题。
美国《COPIED法案》和欧盟《人工智能法》的差异对我国著作权制度的启示。对于美国《COPIED法案》和欧盟《人工智能法》对我国生成式人工智能有关著作权制度创新的启示而言，通过上述比对分析体现在三个方面。
第一，在制度导向方面，建议立足于平衡生成式人工智能发展所必需的数据资源支撑与著作权人合法权利保护两个方面构建相关制度。在生成式人工智能产业创新发展以及保护传统著作权人合法权益之间寻求平衡，或将成为生成式人工智能著作权制度创新和监管模式的重要命题之一。亦即，既要发挥著作权法“创新之法”的价值促进生成式人工智能产业创新，又要发挥著作权法“产业之法”的价值促进生成式人工智能产业发展。
第二，在制度内容方面，透明度和信息来源的披露义务是可以探讨的基础性规则，同时需要考虑该义务对产业带来的成本和效益。结合对美国《COPIED法案》和欧盟《人工智能法》的分析，透明度和信息来源的披露义务或能有效改善人工智能数据训练黑箱所造成的维权障碍，但相关披露义务性质及监管力度将显著增加人工智能提供者的义务负担，增加产业的合规成本，上述美英两国相关举措的差异也体现其在监管比例性和适度性上的政策性调配。
第三，在制度创新方面，合理使用制度、法定许可制度或著作权集体管理制度等著作权制度的适用范围将成为生成式人工智能著作权合规的重要切入点。我国亦面临是否有必要就文本与数据挖掘的著作权限制制度进行著作权制度创新，以及是否以合理使用、法定许可或著作权集体管理组织的方式进行该制度创新等问题，已有较多学界讨论认为，有必要创造文本和数据挖掘制度，但需要限定制度的适用范围，结合生成式人工智能的发展前景，充分考虑法定许可、著作权集体管理等制度模式的拓展空间[16]。
注释：
1.李陶：“欧盟《人工智能法》对我国著作权制度创新的启示”[J]，载于《版权理论与实务》2024年第5期。
2.https://www.commerce.senate.gov/services/files/3012CB20-193B-4FC6-8476-DDE421F3DB7A，2024年8月14日最后访问。
3.Recital (107)，“为了提高通用人工智能模型的预训练和训练中使用的数据的透明度，包括受版权法保护的文本和数据，此类模型的提供者应就通用模型训练中使用的内容制定并公开足够详细的摘要。在适当考虑保护商业秘密和商业机密信息的同时，该摘要的范围应在总体上全面，而不是在技术上详细，以方便包括版权持有者在内的合法权益方行使和执行其在欧盟法律下的权利，例如列出用于训练模型的主要数据收集或数据集，如大型的私有或公共的数据库或数据档案，并对所使用的其他数据来源进行叙述性的解释。人工智能办公室宜提供一个摘要模板，该模板应简单、有效，并允许提供者以叙述形式提供所需的摘要。”
4.《数字单一市场版权指令》（CDSMD）第2条第1款第2项，“文本和数据挖掘”是指一种以数字形式自动分析文本和数据的技术，可用于获取有关但不限于模式、趋势和相关性的信息。
5.相关情况参见刘晓春、夏杰：“美国人工智能立法态势介评”[J]，载于《中国对外贸易》2023年第10期。
6.“The Content Origin Protection and Integrity from Edited and Deepfaked Media Act of 2024 [COPIED Act]”. https://www.commerce.senate.gov/services/files/359B6D81-5CB4-4403-A99F-152B99B17C30.
7.Major Endorsements. https://www.commerce.senate.gov/2024/7/cantwell-blackburn-heinrich-introduce-legislation-to-combat-ai-deepfakes-put-journalists-artists-songwriters-back-in-control-of-their-content.
8.参见（2024）粤0192民初113号民事判决书。
9.李青文：“算法训练使用作品的著作权法规制路径”[J]，载于《科技与出版》，2024（7）：16-27.
10.17 U. S. C. §107.
11.Authors Guild, Inc.v. Google Inc.,804 F.3d 202,2nd Cir.（N. Y.）, Oct.16,2015.相关讨论参见Angel Siegfried Diaz, Fair Use & Mass Digitizat ion: The Future of Copy-Dependent Technologies After Authors Guild v.Hathitrust,2013,28 Berkeley Tech. L. J.683（2013）.
12.“AI music startups say copyright violation is just rock and roll”, https://www.theverge.com/2024/8/2/24211842/ai-music-riaa-copyright-lawsuit-suno-udio-fair-use.
13.Section 2, (3) “这些缺陷（指人工智能著作权侵权相关问题）对公众产生了负面影响，特别是对记者、出版商、广播公司和艺术家产生了负面影响，他们权利内容被用来训练这些系统，并纵以产生合成内容和合成修改的内容，这些内容在数字市场上与涵盖的内容进行不公平竞争……”
14.Alexander Peukert, “Copyright in the Artificial Intelligence Act – A Primer”, GRUR International, Volume 73, Issue 6, June 2024, Pages 497–509. Available at: https://doi.org/10.1093/grurint/ikae057.
15.Recital 9; Coglianese/Mendelson, Meta-regulation and self-regulation, in: Baldwin/Cave/Lodge (eds.), The Oxford Handbook of Regulation, 2010, 146, 150.
16.李陶，“欧盟《人工智能法》对我国著作权制度创新的启示”[J]，载于《版权理论与实务》2024年第5期。
